Спонсируемый Упомяните об оборудовании искусственного интеллекта, и вы сразу же сможете представить себе центр обработки данных со стойками специализированных серверов, с процессорами, упакованными десятками ядер, настроенных для обработки искусственного интеллекта и машинного обучения, дополненных выделенными микросхемами, такими как графические процессоры, для обработки конкретных задач. Вы также можете представить себе акры памяти и гектары хранилища со сверхбыстрым межсоединением, объединяющим все это воедино.

Все это может показаться очень далеким от того, что вы используете на своем ноутбуке.

За исключением того, что на самом деле это не так. Клиентские процессоры Intel пошли по тому же пути, и результаты наглядно проявились в Tiger Lake, архитектуре Intel®Core 11-го поколения, выпущенной в этом году и появившейся на платформе Intel vPro® для клиентов B2B в начале 2021 года.

Tiger Lake построен по 10-нм техпроцессу Intel SuperFin, предлагая тактовые частоты до 4,8 ГГц и до 12 МБ кеш-памяти, а также на 20% больше производительности процессора (см. Тесты Intel здесьОн также включает в себя встроенную графику UHD с 96 исполнительными блоками и поддержку твердотельных накопителей Intel® Optane ™, предлагающих гораздо более быстрое хранилище, а также встроенные возможности подключения Wi-Fi 6 и Thunderbolt ™ 4.0.

Но платформа также основана на интеграции AI, найденной в Ice Lake, Intel 10-го поколения Core ™. К ним относятся технология Intel Deep Learning Boost на самом ЦП, а в графическом процессоре — Intel® Gaussian Neural Accelerator 2.0. Платформа также включает ускоритель нейронной сети, который обеспечивает снижение шума.

В целом, по словам Intel, Tiger Lake обеспечивает в пять раз лучшую производительность искусственного интеллекта, чем его предшественники. Но все же может быть трудно понять, какое влияние включение этого уровня ускорения ИИ оказывает на повседневное использование компьютера.

Одним из применений искусственного интеллекта в процессоре является настройка частоты, которая с помощью эвристики машинного обучения позволяет определить оптимальную частоту в зависимости от рабочей нагрузки и сверхурочно определить, как увеличить тепловой бюджет. Это предотвращает синдром обгоревшего бедра, связанный с традиционным турбо-наддувом «все или ничего», но также продлевает срок службы батареи.

Теперь я это вижу

Еще одно приложение, которое сейчас особенно актуально, — видеоконференцсвязь. Три встроенных ускорителя искусственного интеллекта объединяются для очистки видео и фильтрации шума, чтобы предоставить то, что директор Intel Client Compute Group в Великобритании Джефф Килфорд описывает как «потрясающие возможности видеоконференцсвязи».

Читайте также:
Сообщество LibreOffice 7.1 выпущено с поддержкой M1 Arm Mac и «вариантов пользовательского интерфейса» • Реестр

Точно так же, когда Tiger Lake появится на корпоративной клиентской платформе Intel vPro, графический процессор будет играть центральную роль в ускоренном сканировании памяти.

«Я думаю, что уникальность Intel заключается в том, что мы признаем тот факт, что центральный процессор столь же важен, как и в платформе, это всего лишь один компонент, который может выполнять рабочие нагрузки», — говорит Килфорд. «И то, что мы делаем, теперь меняет способ организации этих рабочих нагрузок в сочетании с экосистемой программного обеспечения, поставщиками операционных систем, безопасностью, компаниями и так далее».

Это не просто вопрос встраивания алгоритмов в оборудование. Например, в случае функции безопасности сканирования памяти на корпоративной платформе ноутбуков Intel vPro, система обучается сама.

«Это умно для понимания того, что является нормальным для поведения памяти», — говорит Килфорд. «И он может узаконить то, что ненормально. И поэтому они учатся на грани ».

В каком-то смысле Tiger Lake строится для известного неизвестного. Intel заявляет, что хочет, чтобы платформа могла поддерживать рабочие нагрузки 2023 года, но, как говорит Килфорд, трудно точно сказать, какими будут эти рабочие нагрузки. Что он может с уверенностью сказать, так это то, что многие из них будут двигать машинным обучением и искусственным интеллектом.

Это из-за того, куда движется экосистема программного обеспечения, как в сообществе поставщиков, так и на предприятиях. Новые участники рабочей силы уже знакомы с машинным обучением и искусственным интеллектом в университетах и ​​им не терпится применить их на рабочем месте.

Это приведет к «естественному переходу со временем к новому поколению, которое подготовлено к этому и считает это вполне нормальным», — говорит Килфорд, в то время как «Tiger Lake — это действительно то место, где мы создаем совершенно другую платформу, дружественную к ИИ, а затем выпускаем ее. в предприятие ».

Intel работает с поставщиками операционных систем и приложений над тем, как они могут наилучшим образом использовать эти технологии, и Килфорд говорит, что они «полностью поддерживают» обещание ИИ.

Читайте также:
MariaDB угождает пользователей Microsoft Power BI своим адаптером запросов °

«Мы протестировали его с (предшественником) Ice Lake, и он был действительно хорошо принят. А теперь мы увеличиваем вдвое с Tiger Lake », — говорит Килфорд. «Мы не могли представить себе варианты использования, которые увидим в ближайшие два года, потому что мы будем полностью удивлены изобретательностью программного сообщества в использовании этой платформы. Но мы очень рады это видеть ».

Килфорд говорит, что Tiger Lake представляет собой такой огромный скачок в ускорении машин за одно поколение, что действительно «запускает кучу мозговых волн» по всей экосистеме.

Это болтливая рабочая нагрузка? Или звук недовольных пользователей?

«Это самый большой сдвиг за последние десятилетия. Мы видим, как практически каждый поставщик программного обеспечения или игровые компании, компании, занимающиеся безопасностью, поставщики операционных систем, начинают переориентировать свою работу с учетом преобладания ИИ на периферии ».

Adobe, например, уже использовала встроенные возможности искусственного интеллекта в Ice Lake для ускорения обработки фотографий в PhotoShop Elements, в то время как другие разработчики изображений использовали их для ускорения окраски черно-белых изображений или для масштабирования изображений.

На платформе vPro, когда Защитник Windows Microsoft найдет подходящую версию, он будет использовать ускоренное сканирование памяти на графическом процессоре. Это перемещает то, что в противном случае было бы «очень болтливой» рабочей нагрузкой от ЦП, где это могло бы ухудшить общее впечатление пользователя и поглотить заряд батареи, если машина отключена от сети.

Но не только готовые поставщики программного обеспечения воспользуются преимуществами интеграции ИИ. Килфорд сказал, что исследование IDC для Intel показало, что 29% опрошенных инженеров-программистов работали над решениями машинного обучения на клиенте в течение последних 12 месяцев, в то время как университеты уделяют больше внимания искусственному интеллекту на периферии. Он сказал, что были также данные, которые показали, что 20 процентов рабочих нагрузок, которые в настоящее время выполняются в центре обработки данных, будут перенесены на периферию. Ожидается, что интерфейсы 2023 года будут гораздо более «естественными» из-за наличия на борту искусственного интеллекта.

«Через пару лет у нас будет столько возможностей на коленях или на столе для машинного обучения, — говорит Килфорд, — это будет зависеть от специалистов по данным или создателей контента. [to ask themselves] вы хотите сделать это в лаборатории, а затем перенести остальную рабочую нагрузку в облако на ночь ».

Читайте также:
Micro Focus сообщает о 10% -ном падении выручки и многомиллиардных убытках от обесценения, но инвесторы не одобряют этого • Реестр

Он добавляет: «Некоторые рабочие нагрузки никогда не будут выполняться на 15-ваттном устройстве. Но многие из тех, что находятся в центре обработки данных, будут перенесены, и это также станет настоящим уроком. Мы только начинаем это делать ».

Есть еще одна, более прозаическая проблема, с которой сталкиваются организации. Как количественно оценить производительность системы при подготовке к новым рабочим нагрузкам.

В Tiger Lake рабочие нагрузки объединяются по всей системе на кристалле, одновременно снижая нагрузку на ЦП, обеспечивая при этом более высокую и высокую производительность в целом и продлевая срок службы батареи.

В то же время, как вы учитываете тот факт, что движки ИИ, встроенные в систему, будут учиться, становясь более эффективными в ответ на определенные нагрузки или варианты использования, которые им навязывают отдельные пользователи?

Килфорд утверждает, что по мере того, как Tiger Lake и его преемники переходят на предприятие, значение имеет опыт того, чего они могут достичь, а не искусственные тесты производительности, которые фокусируются на процессоре, игнорируя то, что происходит — или не происходит — в других частях системы. .

Поскольку компании покупают ноутбуки с ожидаемым жизненным циклом в три с половиной года, им не следует устанавливать свои базовые показатели на уровне, который, по их мнению, является разумной рабочей нагрузкой сегодня, или тем, что они считают «современной угрозой».

Скорее, им нужно думать о 2022 году и в последующий период: «Если все это начнут перестраивать, чтобы использовать ускорение машинного обучения на клиенте, будет ли оно вообще работать на устройстве, которое я покупаю сегодня? И если он действительно запустит его, будет ли он запускать его таким образом, чтобы испытать ужасный опыт? »

По словам Килфорда, миграция ИИ на периферию — это «сейсмический сдвиг». Но если вы используете неправильное оборудование для своих пользователей, единственные толчки, которые вы, вероятно, почувствуете, — это звук вашего самого лучшего и яркого движения за дверь.

При поддержке Intel vPro®